入门CMake 入门CMake 参考教程: YouTube-Simplified CMake Tutorial, Codevion vimwiki-Modern Simple CMake Tutorial,本笔记所用的全部代码整合GitHub - cmake_tutorial.7z CMake可以完成复杂项目的编译任务,编译一个C++项目可能需要: 一个包含main()的主程序入口; 多个联合编译*.cp 2024-11-04 tools
VsCode配置C/C++运行环境 距离上篇笔记过去2个月了,还是要坚持写点东西,不能因为出差、项目、比赛就摆烂了🫠 由于要准备C/C++的大作业,所以需要学习下如何联合编译,还有cmake。由于不想用Visual Studio(Linux也没有),首先学习下怎么用VsCode做联合编译。 文件结构 假如我们的文件格式如下: . ├── include │ └── test.h ├── test.cpp └── main 2024-11-03 tools
逻辑分析仪LA1010笔记 逻辑分析仪可以通过采样的方法, 测逻辑信号, 也就是高低电平, 电平又需要设定一个相对基准电压Vth, 将所有高于该电压的信号记为1, 反之为0. LA1010侧面的针脚可以与正面的图标对应, 总共有16个针脚, 前3个能够支持100MHz的采样频率, 后面依次降低频率. 使用方法: 从官网上下载软件(软件自动安装驱动) 连线方法: 将GND与开发板的地引脚相连, CH0~15与待测信号源连接就 2024-09-04 Robotics
F28069M开发板笔记 所需的相关程序及代码库(头文件、样例): CCSTUDIO(CCS):代码编写及程序烧录。 C2000WARE:代码与硬件关联所需的各种头文件及样例。 MOTORWARE:用于电机控制的开发板的头文件及样例。 F28069M开发板 ti官网-LAUNCHXL-F28069M 包含如下信息: Software development:上述代码库都可以在其中找到 Technical docum 2024-08-31 Robotics
2024开悟智能体比赛(学习期) 环境启动方法 为了能直接使用 test_train.py 进行模型训练并保存(比客户端训练效率更高),显示当前镜像下载速度,推荐如下直接使用命令行打开镜像的方法。 我们以打开走迷宫的代码为例: 在腾讯开悟APP中设置工作空间为 .../kaiwu2024/gorgewalk/(路径自选),启动开发环境(CPU或GPU随便选),在容器检测已完成后就可以停止启动。 打开 .../kaiw 2024-07-18 coding > 比赛
CALVT - 2023劳动竞赛(智能体对抗)总结 China Academy of Launch Vehicle Technology (CALVT) 中国运载火箭技术研究院(航天工业部第一研究院) 劳动竞赛环境:百度网盘 - 劳动竞赛2023 完整代码GitHub:GitHub-Blog-file-CALVT2023 也可以从上面的网盘分享中下载 CALVT2023_太初.zip,解压后执行 agent_train.py 即可看到红蓝方执行设 2023-11-20 coding > 比赛
github使用镜像源加速clone 老方法(无法使用): 只需要将 github.com/… 改为 github.com.cnpmjs.org/… 即可使用镜像库clone 新的代理源:https://mirror.ghproxy.com/ 在原有的 clone 连接前面加上https://mirror.ghproxy.com/即可使用代理。 git clone https://mirror.ghproxy.com/https: 2021-07-27 tools
Scikit-Learn 常用函数及模型写法 Scikit-learn安装 pip install scikit-learn # 基础包安装 pip install scikit-image # 图像处理包 Scikit-Learn设计原则 参考论文API design for machine learning software: experiences from the scikit-learn project,这里给出Scikit- 2022-12-29 机器学习 #scikit-learn
用JAX复现基于Transformer的miniGPT模型 参考文献:Atteetion Is All You Need[1]^{[1]}[1], On Layer Normalization in the Transformer Architecture[2]^{[2]}[2], Improving Language Understanding by Generative Pre-Training[3]^{[3]}[3] 参考Blog:The Illu 2024-03-17
A2C (Advantage Actor-Critic) 算法 A2C (Advantage Actor-Critic) Algorithm 算法 设 π(a∣s;θ)\pi(a|s;\theta)π(a∣s;θ) 为当前智能体策略网络,其中 θ\thetaθ 为网络参数,Vπ(S)V_\pi(S)Vπ(S) 为状态价值函数,最优化目标 maxθES[Vπ(S)]=:J(θ)\max_\theta\mathbb{E}_S[V_{\pi}(S)] =: 2023-08-03 强化学习